兼容的人机协作，精确机器人机械臂的路径跟踪能力外文翻译资料

英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料

兼容的人机协作，精确机器人机械臂的路径跟踪能力

摘要

本文的目标是实现机器人机械手执行任务时的手动引导这需要严格遵循路径，并将受益于与人类的合作指导运动。该机器人可以作为一种工具，以提高人类操作员的准确性，同时保持符合人类的指令。我们提出了一种双环控制结构导纳控制环允许机器人沿着考虑投影的路径柔顺与路径相关的切向-法线-副法线(TNB)坐标系的外力。的基于修正滑模控制律设了运动内控制回路。我们对6自由度末端执行器施加不同方向的力，评估系统的行为工业机器人在直线运动中的测试。接下来，使用3D路径作为跟踪任务的第二个测试是，其中我们指定了三种相互作用类型:自由运动(FM)，受力运动(FAM)，以及虚拟力联合运动(CVF)。结果表明，均方根差误差(RMSE)均小于0.1 mm，证明了该方法的可行性适用于符合人机协作的各种路径跟踪应用的方法。

关键词:路径跟踪;合规控制;人机交互;滑模控制器;手册指导

1. 介绍

制导约束是主动约束/虚拟装置的一种在人-机器人物理交互(physical human-robot interaction, )领域有许多研究者进行了研究。根据Rosenberg[1]的工作，感知叠加的概念可以增加每个性能的任务，这一概念已经在不同类型的人机操作系统中得到了探索，如遥控机械手和合作机械手。这些虚拟装置通常是用来引导机器人在避开障碍物的同时向目标移动防止机器人进入预定的禁区。虽然参考在一些应用中，生成了机器人的路径，路径跟踪的精度为这不是这些技术的重点。相反，机器人的顺从行为允许路径偏差是大多数研究关注的主要问题。然而,精确的路径追踪和顺从的行为并不一定是二律背反。它们可以是微妙的量身定制，满足专用用途的要求，实现更好的性能。例如，康复患者可以从使用设备的练习中获益这是能够遵循路径的同时仍然沿着路径，因为它允许患者密切跟踪由医学专家预定义的最佳路径，和在不同层次的援助方面取得的进展已证明有助于改善康复工作进展。另一个重要的应用是工业装配任务。许多据报道，在这一领域中，人类和机器人的高效协作已经取得了进展。提出了一种高精度装配的无超调力控制器使用工业机器人的任务。

此外，在中，利用导纳控制实现了同动关节装配的协同任务，提出了一种利用柔顺力控制实现大型柔性面板机器人夹具less方法用工业机器人进行评估。这些方法的目的是缓解在装配过程中，操作员必须操作沉重的部件只能用装配的灵巧部分集中注意力。此外,一个重要的因素是，在高精度装配任务中，静态夹具是必要的，以保持到位被连接的部件和工作性能取决于这些固定装置。这些任务可以受益于一个兼容的路径跟踪系统。此外，其他直接应用人-机器人协作中的路径跟踪主要用于教育和体育训练目的是机器人系统可以作为一种工具来教复杂的任务是最好的通过手拉手示范学习。例子包括练习书法，协助手部运动技能的发展等等。在这个意义上，机器人系统的作用是教练和用户被引导遵循最佳路径，完美地完成任务同时获得不同级别的辅助跟踪路径，从完全被动开始完全活跃。根据这些分析，我们发现在许多手册指南中在实际应用中，它有利于机器人在遵循路径的前提下，沿着路径进行操作路径。因此，本文的目标是研究相关的技术。

路径跟踪是大多数机器人系统的一个重要特征。从操纵者在移动平台上，跟踪高精度路径的能力已经被研究过许多研究者。此外，柔顺的人-机器人实验中的路径跟踪已成为近期研究的主题。在中，创建了虚拟fixture通过基于动觉教学和Akima样条的迭代方法进行修正。在一个协同机器人的模拟砂磨任务中，对该方法进行了评估一项用户研究表明，虚拟向导的帮助可以提高性能任务。后来，在[20]中将虚拟向导定义为虚拟的机制使用高斯混合模型从多个用户演示，这可以通过增量训练来完善。他们建议建立一个图书馆可以由真人操作系统创建、修改和使用的多个虚拟向导。在一个柔性三自由度机器人上对其性能进行了实验评估用户研究。算法主要集中在虚拟导览的构建和如何迭代修改标称路径，但没有处理的准确性轨迹跟踪。等人在[21]中使用对期望的机器人轨迹进行了最优重塑自适应神经网络控制器能够有效地完成协同操作任务机器人外骨骼。以二自由度运动为例进行了实验验证的情况，但没有描述方法的可扩展性到更高的自由度或不同的类型操纵者。换句话说，这项研究的目的是构想出一种算法人类通过共享控制来修改期望的轨迹;因此,贡献专注于人-机器人协作的路径生成方面。然而,挑战在人机交互中通过调节机器人运动在预定的精度任务方向仍然存在。

之前的工作是通过使用虚拟装置实现合规任务的准确性方面包括，其中虚拟装置与导纳控制一起使用，以允许对于兼容的路径跟踪任务。一种基于视觉的协作虚拟夹具算法操作是在中设计和实现的，作者描述了如何为两种参考目标-点定位创建硬虚拟装置和软虚拟装置曲线跟随-以及虚拟几何形状的延伸，如管或锥在使用导纳控制的合作系统中，把运动限制在一个体积内。用“稳定手机器人”对实验设置进行了宏观验证以及微尺度平面任务。结果表明，基于视觉的虚拟添加夹具辅助增加了关于位置错误和执行时间的性能，在性能和用户控制之间需要权衡。然而，实验心理验证包括使用不同的固定水平的准入，但覆盖在中，自适应导纳控制被证明是更有效的。

此外，没有虚拟夹具定义和导纳控制参数调整之间的区别。这使虚拟设备的定义复杂化，并直接影响他们的研究表明，这是可以实现的跟踪性能。使用了虚拟控制机器人进行机器人辅助手术。任务被定义并投射到由优选方向和非优选方向组成的正交方向空间的人。[6]的作者对两种类型的误差补偿手册进行了探讨和比较自主-以减少路径跟踪任务的误差。结果表明，单靠人工补偿是不足以校正所有偏差的，尤其是当人工补偿的误差较大时定义了平移虚拟夹具，并产生了方位偏差误差，反之亦然。他们提出的自主补偿方法解决了这个问题用户可以通过力量控制系统的方向应用，而机器人系统独立补偿偏差。在[7]中，提出了一个框架，用于兼容的路径跟踪任务。该系统使用了一个虚拟机器人获得所需速度的方法，该速度被视为对位置控制器的命令。中可以定义运动约束和任务空间约束这个框架。利用对该方法进行了实验评估库卡轻水反应堆。结果表明，该方法易于定义不同的约束条件框架通过调整其算法中的属性和参数。然而,所有参数是启发式的，专门针对评估的任务进行调整。作者的提出了一种面向表面处理任务的混合位置-力控制，如:砂光、去毛刺、抛光等。他们将滑模概念用于机器人力控件，以保持工具的方向始终垂直于表面在表面上获得所需的工具压力。低优先级跟踪控制器为设计遵循期望的轨迹，以满足安全约束的偏差允许的。最后，还引入了冗余度解析方法，以保证操纵器在其附近为安全目的而进行的配置。该方法鲁棒性提高，但鲁棒性较低计算成本，和实验验证的方法使用一个7R机械手证明了其适用性和有效性。

本文的目标是实现机器人机械臂沿预定方向的顺性路径，使机器人能够根据方向向前或向后移动当跟踪路径时，施加在末端执行器上的外力。图1说明了在这个目标中，所需要的路径被显示出来，在施加外力的情况下该机器人仅沿路径的切向顺从，沿路径不顺从正常的方向。为了实现这一目标，我们提出了一种双环控制结构，包括内运动控制环和外导纳控制环。修改后的采用滑模控制器(SMC)进行内运动控制，保证了系统具有良好的状态跟踪性能和鲁棒性，同时显著抑制了系统的运动嚷嚷起来。在外导纳环中，定义了系统的柔度控制问题切线-法线-副法线(TNB)坐标系的投影路径外力在切线方向上发展并产生一个时间路径策略，通过参数化路径与弧长，沿着路径移动用户所期望的。此外，自适应导纳定律已在实验中得到验证利用[23]中的验证来实现及时、直观和简单的通信人类和机器人。此外，所提出的自适应导纳律考虑了人工制导交互中最常见的运动学约束，并基于安全、精度、和舒适。在这种方法中，运动学约束不是依赖于任务，而是是否依赖于配置，这意味着它们可以在多个应用程序中重用。此外，这些约束是同时处理的，考虑平滑过渡在他们中间。将TNB帧投影和自适应导纳律相结合，提出了一种基于自适应导纳律的算法外导纳控制回路实现了安全、直观的人机协作一个预定义的路径，同时鲁棒的内部运动控制回路保证机器人准确地跟踪路径。

我们通过两个包括线性运动的实验来验证所提出的方法测试，以演示机器人的行为对施加的外力的方向以及一般的3D路径测试。这两项测试都是在传统的六自由度工业机器人上进行的在其末端执行器上配备了一个力/扭矩(F/T)传感器。没有专用的硬件是必需的。我们比较了三种类型的运动-无运动(FM)和受力运动(FAM)和联合运动与虚拟力(CVF)来显示两者的性能援助范围范围的结束。FM演示了完全辅助的情况，其中不需要用户的强制;FAM是无辅助的情况，它的运动机器人沿着路径行走取决于用户施加的力;CVF是光滑的前两种情况之间的转换。达到建议的合规目标人机协作，路径跟踪准确，机器人遵循参考路径无论是否受外力作用，跟踪误差都应该很小。因此,我们通过计算根均值来评估每种运动的跟踪性能均方误差(RMSE)。实验结果表明，该方法不仅能达到理想的路径跟踪效果顺从的行为，也提出了对传统方法的适用性带有F/T传感器的工业机械手。因此，本工作的主要贡献

如下:

bull;开发了一个双环控制结构，实现了精确的路径跟踪协作任务，同时保持沿路的遵从性。

bull;通过外部自适应导纳实现安全直观的人机交互控制回路。

bull;内部修正SMC回路保证的等效路径跟踪性能在各种人机协作场景下。

bull;用一个传统的六自由度工业机器人进行实验验证，证明了该方法实现的普遍性。

图1所示。基于预定义路径的人机交互路径跟踪。本文的结构如下。第2节涵盖了问题的制定和方法包括内运动控制环和外导纳控制循环。在第3节中，我们描述了实验设置和验证

建议的方法。此外，我们给出了RMSE的结果和分析用于评价跟踪性能。最后，得出了本文的研究结论第4节。

2. 问题表述与方法

正如我们在前一节所讨论的，在康复、工业装配、教育、而体能训练是通过引导用户与机器人紧密跟随最佳路径，同时为人机交互的安全流畅保留了一定程度的一致性。在这些应用程序中，路径是由领域专家预先定义的。的目标本文设计了一种将机器人末端执行器限定在路径上的控制器允许它根据方向自由地沿着路径向前或向后移动外部力量。如果外力太弱或为零，则施加一个虚力到由控制器端部执行器对路径进行自主准确跟踪。在其他该控制系统赋予机器人沿某一特定方向的方向顺应性规定的路径，并在其他方向的高刚度，准确的路径跟踪。此外,根据所施加的力和安全性，可在线调节柔度机器人的操作准则，使人与机器人之间的交互是安全、舒适、直观。

在本文中，我们考虑一个在三维任务空间中执行任务的关节机器人，其中nge;3。在机器人末端执行器上安装F/T传感器进行测量外部力量。为了实现本文的目标，我们提出了一种双环控制结构如图2所示。内环是专门用于精密运动控制在关节空间。即给定关节空间中的所需轨迹,运动控制器在内环中计算相应的关节力矩实际接头角度准确跟随。由外导纳控制决定的吗环基于所需的任务空间路径和外力Fextisin;R3． 过滤后的外力fextisin;R3是否投射到路径的切线方向，然后转换到相应的任务空间速度rdisin;R3通过一个导纳函数参数在线可调。然后,rd变换到关节空间得到qd。 在在下面的小节中，我们将详细介绍本文中使用的技术dual-loop控制结构。

图2—带路径跟踪的自适应导纳控制框图

2.1 内运动控制回路

关节机器人的动力学方程如下:

给定所需的关节空间轨迹，我们想设计一个健壮的计算保持跟踪所需的关节力矩tau;的运动控制律误差尽可能小，即使存在模型不确定性和外部干扰。众所周知，SMC具有良好的鲁棒性匹配不确定性，但高频抖振导致性能下降而且应该小心地加以压制。SMC的许多变化已被研究过去用于缓解抖振，性能下降的成本较小。在这些技术中，我们采用了实验开发的改进SMC技术我们在的研究小组验证过。则(1)可以改写为：

其中d是由中所有模型参数产生的集总可加模型不确定性包括:M(q)、C(q)、G(q)和F(q)。∆M为Mminus;1(q)的乘法模型不确定性。

定义滑动变量sigma;isin;Rn为

C1isin;Rntimes;n是正定的，eta;isin;Rn是辅助向量吗决定不久。提出的控制律为

rho;的每个分量在滑动过程中变换符号表面sigma;i = 0，用来抑制模型的不确定性。然而,高频如果将rho;函数直接加到关节上，它的开关行为会引起明显的抖振扭矩，就像传统SMC所做的那样。设k是正定的，将(4)-(6)代入(2)可得

这意味着当t→infin;时，sigma;→0。换句话说，系统将到达并保持滑面sigma;equiv;0。(5)和(6)可合并为一个方程:

以及闭环系统可以表示为：

虽然跟踪误差不能保证收敛到零，可以选择适当的增益矩阵Lambda;1， Lambda;0，和C1，使跟踪误差与期望的一样小。

图3

当滑面sigma;j = 0时，闭环系统的第j个分量，J = 1···，n。除了抖振衰减特性外，该方案的另一个吸引人的特点修正SMC是在初始跟踪误差已知的情况下，我们可以令eta;(0) =eq(0)minus;C1qe(0)。因此，当系统启动时，它是在滑动表面上，这就消除了接触相位，降低了瞬态响应时间。在[30]中进行的实验验证表明，所提出的改进SMC方法是可行的与传统的一阶SMC (FOSMC)相比，具有最佳的跟踪性能，二阶SMC (SOSMC)和积分SMC (ISMC)。它的抖振减少能力比FOSMC和ISMC好很多，与SOSMC类似。然而,拟议的修改后的SMC不需要找到不确定性的时间导数的边界SOSMC。因此，所提出的控制律诱导的振动较小，并实现了控制结构简单，跟踪性能最佳。

2.2。外导纳控制回路

假设三维任务空间中相对于惯性坐标系的参考路径为

它是由单个参数sisin;[0,1]参数化的。我们假设rp的长度是有限的取归一化弧长作为参数s，则s = 0, s = 1对应分别指向参考路径的起始点和结束点。此外,我们

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[590979]，资料为PDF文档或Word文档，PDF文档可免费转换为Word